《表9 仿真对比结果：基于卷积神经网络的数字分类器的研究与优化》
提示：宽带有限、当前游客访问压缩模式
本网络训练设定最大迭代周期次数为100，学习率设定为0.01，准确率设定为98.5%。表9列出训练仿真后的对比结果，文献[5]的原始卷积连接表用方案0表示。
| 图表编号 | XD0078708800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 杜阔、李亚 |
| 绘制单位 | 天津科技大学、天津科技大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 采用全卷积神经网络与单一分类器的湿地分类精度》2020.12.01
- 《表3 4组实验结果对比：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表9 机场的检测结果：基于优化区域卷积神经网络的机场区域检测》2020.05.25
- 《表2 实验参数设置：基于卷积神经网络和贝叶斯分类器的句子分类模型》2020.02.01
- 《表2 数字混淆矩阵：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表1 实验结果：基于卷积神经网络的藏文手写数字和字母识别研究》2019.12.01
- 《表8 优化方案6：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表2 原始卷积连接表：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表1 网络结构参数：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表1 4 统计结果：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表7 优化方案5：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表6 优化方案4：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表5 优化方案3：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表4 优化方案2：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表3 优化方案1：基于卷积神经网络的数字分类器的研究与优化》2019.08.15
- 《表2 实验环境与配置：基于卷积神经网络的短文本分类研究》2019.03.25
- 《表1 实验结果对比：基于并行卷积神经网络的军事目标图像分类技术》2019.04.20
- 《表3 测试集分类结果：基于一维卷积神经网络的齿轮箱故障诊断研究》2019.08.31
- 《表2 基于卷积网络与基于词袋模型的分类精度的对比》2019.06.20
- 《表1 实验结果：基于汇编指令词向量与卷积神经网络的恶意代码分类方法研究》2019.04.10